 Новый подход к обнаружению промышленных дефектов на основе искусственного интеллекта изучался на электромагнитной подвеске поездов «маглев» и может быть применен к другим критически важных системам управления безопасности, как полагают ученые.
Исследователи проанализировали надежность системы управления, используя поезда на магнитной подвеске, которые использую магнитную левитацию для перемещения, не касаясь земли, уменьшая трение и позволяя развивать более высокие скорости.
Результаты показывают, что обнаружение неисправностей в промышленных системах, основанных на методах искусственного интеллекта, может быть менее сложным и значительно более дешевым, чем современные вычислительные технологий. Оно имеет большой потенциал, чтобы заменить несколько оценок, используемые в обнаружении и изоляции неисправностей в различных промышленных приложениях.
Как правило блоки обнаружения и изоляции неисправностей для нескольких датчиков требуют банка оценок, которые используют информацию из остальных здоровых датчиков для построения потерянного сигнала.
Результаты последнего исследования показывают, что один план оценки искусственной нейронной сети достигает такой же производительности, как детектор ошибок на основе банка, но с существенно более низкой стоимостью вычислений. Искусственные нейронные сети являются компьютерными алгоритмами, используемые в машинном обучении, которые имитируют структуру нейронов в человеческом мозге.
Надежность является важной в системах управления и, в частности в системах, важных для безопасности полетов. В современных системных приложениях, таких как в беспилотных летательных аппаратах, методов управления, которые гарантируют надежный контроль, как правило, увеличивают вычислительные затраты на уже ограниченных ресурсах системы.
В данном исследовании было проанализировано упрощение конструкции системы для надежности в промышленных приложениях, в частности, по отношению к датчику и выбору привода. Предложенная схема обнаружения неисправностей использует подход искусственного интеллекта для разработки низкого вычислительного блока обнаружения неисправностей, что снижает сложность и вычислительную мощность эквивалента на основе банка.
Предложенная структура была испытана на электромагнитной системе подвески, используемой на поездах «маглев», чтобы поддерживать массу транспортного средства и пассажиров, а также обеспечить надлежащего качество езды во время путешествий.
Несколько простых изменений в предложенной архитектуре позволило заменить банк оценок в типичной нейронной сети. Результаты показывают, что этот новый подход имеет большой потенциал, чтобы заменить несколько оценок, используемые в схемах обнаружения ошибок в промышленности.
|
